Сторінка
3

Задачі і методи аналізу забруднень в ГІС

Крім того, використовуючи представлення геоінформаційного поля полючи у виді ансамблю координатно-прив'язаних тимчасових рядів, можна застосовувати традиційні для аналізу тимчасових рядів методи виділення складових загального динамічного процесу: тренда, коливань щодо тренда, сезонних змін і залишкової випадкової складової. Ніщо не заважає доповнити цей аналіз, проведений у тимчасовій області, аналізом окремих параметрів цього полючи в частотній області. Для цього можуть бути використані як деякі інтегральні параметри полючи (наприклад, що сковзає середнє значення для кожного тимчасового кадру; площа, займана полем; обсяг його тривимірної фігури, що відображає,), так і значення полючи у фіксованих координатних точок, що являють собою звичайні тимчасові ряди і до них повною мірою можна застосовувати методи спектрального аналізу. [3]

6. Задачі класифікації геоінформаційних показ. Класифікувати, тобто відносити представлене геоінформаційне поле до одному з можливих класів, можна по різних ознаках: по займаній площі, по її конфігурації, по середній інтенсивності полючи, за формою тривимірної фігури при геометричній інтерпретації полючи кількісної ознаки і т.д. (не говорячи вже про фізичну природу цього полючи). Ряд їх цих класифікаційних ознак (такі як площа, займана полем, його середня інтенсивність або сумарний обсяг тривимірної фігури, що відображає поле) характеризується чіткими кількісними критеріями і для побудови класифікатора досить задати границі кожного класу по даній класифікаційній ознаці. У цьому випадку задачі зважуються чисто детермінованим методом. Подібні задачі стають стохастичними, якщо границі геоінформаційних полів розмиті, або задані нечітко, або самі поля представлені статистичною безліччю вимірів його інтенсивності в якихось дискретних точок простору. При цьому поняття границі полючи інформаційної ознаки стає невизначеним, а виходить, і значення критерію (класифікаційної ознаки), по якому проводиться класифікація, для конкретних реалізацій геоінформаційних полів можуть бути обчислені з обмеженою точністю. Але суть вирішальних правил від цього не міняється. Як і раніше вони задаються у виді числових значень даної ознаки, що визначають границі між класами. І якщо значення даної ознаки (критерію класифікації) для конкретної реалізації геоинформационного полючи далеко від граничних значень, то невизначеність границь самого полючи практично не позначається на вірогідності класифікації.

Якщо кількісних класифікаційних ознак трохи, і вони утворять багатомірний простір, у якому необхідно проводити класифікацію, причому, є навчальна вибірка вже класифікованих реалізацій полів даної інформаційної ознаки, то класифікатор може будуватися за допомогою різних детерміністських методів. При цьому, хоча самі реалізації об'єктів класифікації являють собою просторово-розприділені поля, але в просторі класифікаційних ознак кожна така реалізація представляється крапкою з координатами, що відповідають значеннями цих класифікаційних ознак для даної реалізації. Тому для класифікації подібних реалізацій можуть, без всяких обмежень застосовуватися такі детерміністські методи, як метод еталонів, метод дискримінантних функцій, метод найближчих сусідів і ін.

Найбільш складними є такі задачі класифікації, у яких не задані критерії класифікації, тобто ті інформативні ознаки, по яких повинна проводитися класифікація, і не визначений весь алфавіт класів. Звичайно вихідна інформація в таких задачах представлена деякою кількістю вже класифікованих реалізацій, для яких відомі (або можуть бути обмірювані) визначене число якихось кількісних характеристик, причому ці характеристики можна розглядати як інформативні ознаки, у просторі яких можна будувати класифікатор, але не відомо, чи є дана безліч інформативних ознак достатнім, недостатнім або надлишковим. Крім того, крім класів, представлених у навчальній вибірці, можуть існувати й інші класи, про які нічого невідомо. По представленій вибірці з безлічі інформативних ознак необхідно знайти мінімальна підмножина, а для нього такий класифікатор, що, по-перше, дозволяв би безпомилково класифікувати реалізації навчальної вибірки, а по-друге, з максимальною вірогідністю класифікував би нові реалізації, якщо вони відносяться до одному з представлених у навчальній вибірці класів. Якщо ж нова реалізація відноситься до неврахованого класу, то вона не повинна помилково ототожнюватися з якимсь із представлених класів, тобто не повинна відноситися до жодного з цих класів. Для таких задач принципове значення мають питання визначення ступеня інформативності класифікаційних ознак і методів відбору їхньої мінімальної сукупності для побудови класифікатора.

Для динамічних геоінформаційних класифікаційних задач основною ознакою класифікації є поводження геоінформаційних полів у часі. Тут можна розглядати наступні класи геоінформаційних процесів:

- відносно стабільні дуже повільні процеси, полючи яким за розглянутий інтервал часу практично не міняються;

- періодичні процеси (наприклад, природні або господарські процеси, зв'язані з часами року);

- загасаючі процеси (наприклад, процеси, зв'язані з наслідками природних або техногенних катастроф);

- процеси, що розвиваються, які характеризуються поступовим посиленням і територіальним розширенням зв'язаних з ними геоінформаційних полів;

- міграційні процеси, зв'язані з поступовим дрейфом відповідних геоінформаційних полів по географічних координатах і ін.

Для одних з них основними класифікаційними критеріями є характер і швидкість зміни географічних координат полючи, для інших - зміни інформаційної ознаки, для третіх - і те, і інше разом. Аналіз змін географічних координат і інформаційної ознаки по окремості праці не представляє. Але оцінка їхніх сукупних змін - задача не тривіальна. Одним з можливих методів такого аналізу є побудова запропонованої в попередньому розділі функції автопересічень геоінформаційного поля. Відповідно критеріями класифікації можуть бути окремі параметри цієї функції. Але для таких класифікаційних ознак, як форма (і плоских, і тривимірних фігур, утворених полем), прості кількісні критерії знайти дуже складно. У цих випадках доцільно скористатися широким арсеналом методів розпізнавання образів, вибір з який повинний визначатися специфічними особливостями конкретної задачі. [4-5]